Upload 3 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+mnist_siamese_model.keras filter=lfs diff=lfs merge=lfs -text

app.py

@@ -0,0 +1,39 @@
+import gradio as gr
+import numpy as np
+import tensorflow as tf
+
+# Cargar el modelo guardado en formato .keras
+siamese_model = tf.keras.models.load_model("mnist_siamese_model.keras")
+
+# Función de predicción
+def predict(img1, img2):
+    # Preprocesar las imágenes: convertir a escala de grises, redimensionar, normalizar
+    img1 = img1.convert('L').resize((28, 28))
+    img2 = img2.convert('L').resize((28, 28))
+
+    arr1 = np.array(img1).astype('float32') / 255.0
+    arr2 = np.array(img2).astype('float32') / 255.0
+
+    arr1 = np.expand_dims(arr1, axis=(0, -1))  # (1, 28, 28, 1)
+    arr2 = np.expand_dims(arr2, axis=(0, -1))
+
+    # Realizar la predicción
+    pred = siamese_model.predict([arr1, arr2])[0][0]
+    resultado = "Iguales ✅" if pred > 0.5 else "Diferentes ❌"
+    return f"{resultado} (Confianza: {pred:.2f})"
+
+# Crear la interfaz Gradio
+iface = gr.Interface(
+    fn=predict,
+    inputs=[
+        gr.Image(label="Imagen 1", shape=(28, 28)),
+        gr.Image(label="Imagen 2", shape=(28, 28))
+    ],
+    outputs=gr.Text(label="Resultado"),
+    title="🔗 Verificación Siamese MNIST",
+    description="Sube dos imágenes de dígitos escritos a mano y verifica si son el mismo número.",
+)
+
+# Lanzar la app (Hugging Face lo hace automáticamente)
+iface.launch()
+

mnist_siamese_model.keras

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:0f0830902e503d0f4321af66cba33cdb198fc8cee44f53adabb0c3deefd21c2b
+size 5966069

requirements.txt

@@ -0,0 +1,5 @@
+tensorflow
+gradio
+numpy
+pillow
+